UNIVERSIDAD AUTÓNOMA DE TLAXCALA .

FACULTAD DE CIENCIAS ECONÓMICO ADMINISTRATIVAS

LICENCIATURA EN CONTADURÍA PÚBLICA

Estadística aplicada

Análisis de correlación

Dr. Saúl C. Juárez Hernández

Integrantes:
Guadalupe Juárez Medel
Nely Pérez Conde
Luis Fernando Palacios Valderrama
Jaquelin Vega Luna

Ciclo: primavera 2016

•
INTRODUCCIÓN

• Explicaremos la correlación de la intensidad de dos variables en donde nos

damos cuenta que estas se relacionan entre si y que permiten la relación de
la covarianza y el coeficiente en la correlación de Pearson.
ÍNDICE

• Correlación de Pearson
• conceptos básicos de correlación
• Ejemplo de correlación
 CORRELACIÓN

• Se explica el coeficiente de correlación lineal como una medida

numérica de la fuerza de la relación entre dos variables que
representan datos cuantitativos

• Utilizando datos muéstrales apareados calculamos el valor de y luego

utilizamos este valor para concluir que existe (o no) una relación entre
las dos variables.
• En esta sección solo consideramos las relaciones lineales, lo que quiere decir
que cuando se grafican, los puntos se aproximan al patrón de una línea recta
puesto que los programas de computo o las calculadoras suelen emplearse
para calcular el valor de , es importante enfocarse en los conceptos de esta
sección, si entretenerse con cálculos aritméticos tediosos.
• Otro termino básico de correlación es que se utiliza comúnmente en el
contexto de una relación entre dos variables
 EXPLORACIÓN DE LOS DATOS

• Con frecuencia podremos encontrar una relación entre dos variables al

construir un diagrama de dispersión. Cuando examinamos un diagrama de
dispersión. Debemos estudiar el patrón general de los puntos graficados, si
existe un patrón es necesario observar su dirección
• Si los datos van hacia arriba , esto sugiere que cuando una variable aumenta,
la otra también lo hace
• Si los datos van hacia abajo este sugiere que cuando una aumenta, la otra
disminuye.
• Debemos buscar valores externos que son puntos que se ubican muy lejos de
del resto de los puntos.
COEFICIENTE DE CORRELACIÓN LINEAL

• El coeficiente de correlación lineal mide la fuerza de relación lineal entre los valores
cuantitativos apareados

• El coeficiente de correlación lineal también se conoce como coeficiente de correlación

producto momento de Pearson , en honor a Karl Pearson.

• Puesto que el coeficiente de correlación lineal se calcula utilizando datos muéstrales,

se trata de un estadístico muestra empleado para medir la fuerza de la correlación
lineal entre y
 Correlación Si el valor es Y si el valor es
lineal simple positivo negativo
•Se dice que dos variables •Indica que la relación •La relación será
se correlacionan o están entre las dos variables es inversa, es decir,
relacionadas cuando directa, es decir, a medida
cuando aumenta el
ambas covarían, es decir, que aumenta el valor de
varían de forma conjunta. una variable, valor de una variable,
•La covarianza puede ser •También aumenta el valor •Disminuye el valor de
positiva o negativa. de la otra. la otra.
Este coeficiente varia entre-1 y 1:
un valor próximo a 0 se interpreta
como ausencia de relación lineal
entre dos variables,

Mientras que un valor próximo a 1

o a -1 indica una relación lineal
casi perfecta.

El cuadro del coeficiente de correlación de

Pearson representa la proporción de varianza de
una de las dos variables que puede ser atribuida a
su relación lineal con la otra variable. Es decir,
indica qué tanto ambas variables tienen en
común.
ANÁLISIS DE CORRELACIÓN

• El análisis de correlación emplea métodos para medir la significación del grado o

intensidad de asociación entre dos o más variables. Normalmente, el primer paso
es mostrar los datos en un diagrama de dispersión. El concepto de correlación
está estrechamente vinculado al concepto de regresión, pues, para que una
ecuación de regresión sea razonable los puntos muéstrales deben estar ceñidos a
la ecuación de regresión; además el coeficiente de correlación debe ser:
• Grande cuando el grado de asociación es alto (cerca de +1 o -1, y pequeño
cuando
• Es bajo, cerca de cero.
• Independiente de las unidades en que se miden las variables
 COEFICIENTE DE CORRELACIÓN DE
PEARSON
• El coeficiente de correlación de Pearson es un índice que mide la relación lineal entre dos variables aleatorias cuantitativas. A
diferencia de la covarianza, la correlación de Pearson es independiente de la escala de medida de las variables
El coeficiente de correlación entre dos variables aleatorias X e Y es el cociente

El valor del índice de correlación varía en el intervalo [-1, +1]:

• Si r = 1, existe una correlación positiva perfecta. El índice indica una dependencia total entre las dos variables denominada relación
directa: cuando una de ellas aumenta, la otra también lo hace en proporción constante.
• Si 0 < r < 1, existe una correlación positiva.
• Si r = 0, no existe relación lineal. Pero esto no necesariamente implica que las variables son independientes: pueden existir todavía
relaciones no lineales entre las dos variables.
• Si -1 < r < 0, existe una correlación negativa.
• Si r = -1, existe una correlación negativa perfecta. El índice indica una dependencia total entre las dos variables llamada relación
inversa: cuando una de ellas aumenta, la otra disminuye en proporción constante.
COEFICIENTE DE DETERMINACIÓN

En un modelo de regresión lineal el coeficiente de determinación se interpreta

como el porcentaje de variación de la variable dependiente

El coeficiente de determinación, r2 - la proporción de la variación total en la

variable dependiente Y que está explicada por o se debe a la variación en la
variable independiente X.
• El coeficiente de determinación es el cuadrado del coeficiente de correlación,
y toma valores de 0 a 1.
NOTACIÓN PARA EL COEFICIENTE DE CORRELACIÓN LINEAL

• n= representa el numero de pares de datos presentes.

• ∑= denota la suma de los elementos indicados

• ∑X= denota la suma de todos los valores de x

• ∑X²= indica que cada valor de x debe elevarse al cuadrado después deben sumarse esos cuadrados.

• (∑X²)= indica que los valores de x deben sumarse y el total elevarse al cuadrado, es importante evitar
confundirse con ∑X² y (∑X²)

• ∑XY= indica que cada valor de x debe multiplicarse primero por su valor y correspondiente. Después de
obtener todos estos productos, se calcula la suma.

• r= representa el coeficiente de correlación , lineal de una muestra

EJEMPLO DETERMINAR EL COEFICIENTE DE CORRELACIÓN
LINEAL PARA LOS DATOS
CUANDO X EQUIVALE A 3

X Y XY X ˆ2 Yˆ2

1 2 2 1 4

3 6 18 9 36

4 5 20 16 25

∑ 8 13 40 26 65
 r= n(∑XY)-(∑X)(∑Y)
√n(∑X²)-(∑X)².√n(∑Y²)-(∑Y)²

R=3·40-(8)(13) = 16 = 0,83
√14 · √26
√3·(26)-8² · √3(65-13²

Existe un buen grado de correlación ya que e cercano a 1 en conclusión el

coeficiente de correlación lineal permite predecir el valor de una variable
dado un valor determinado de la otra variable de manea que se pude obtener
una muy buena precesión de aproximar valores en determinado modelo.
 EJERCICIO 1.
• Un centro comercial sabe en función de la distancia, en kilómetros, a la que se sitúe
de un núcleo de población, acuden los clientes, en cientos, que figuran en la tabla:
Nº de Clientes (X) Distancia (Y)
8 15
7 19
6 25
4 23
2 34
1 40
CALCULAR EL COEFICIENTE DE CORRELACIÓN LINEAL.

xi yi xi ·yi x i2 yi2
8 15 120 64 225
7 19 133 49 361
6 25 150 36 625
4 23 92 16 529
2 34 68 4 1 156
1 40 40 1 1 600
e28 e156 603 170 4 496
REFERENCIA BIBLIOGRÁFICA
PÁGINAS WEB:
• www.monografias.com/trabajos30/series-de-tiempo/series-de-tiempo.
• www.scribd.com/doc/2255206/Correlacion-Series-de-Tiempo.
LIBRO:
• Introducción A La Estadística Para Administración Y Dirección De Empresas.
Autor: José Miguel Casas Sánchez.
Editorial: Universitaria Ramón Areces.
• Berenson, Mark y LEVINE, David 1991 estadística para la administración y economía. Conceptos
y aplicaciones. Editorial MC. Graw- Hill. Interamericana. ISBM: 968-713-2. México
• LIND, MARCHAL, MASON 2004 Estadística para Administración y Economía (onceava edición)
Grupo editor Alfa omega ISBN: 970-15-0974-9 México D.F.